TP Optimisation : MEN MIET 2022-2023

1. But de TP :

Le but de TP est de résoudre des problèmes d’optimisation de différents types à savoir

l’optimisation non linaire avec ou sans contrainte ainsi que l’optimisation linéaire, en utilisant
les méthodes que nous avons abordées dans le cours et le TP telle que, la méthode classique,
le simplexe, les algorithmes génétiques.

2. L’Optimisation

Dans la mathématique et le calcul scientifique, l’optimisation consiste à trouver une

meilleure solution parmi toutes les solutions faisables pour minimiser ou maximiser une
fonction qui s’appelle généralement fonction-objectif.

2.1. Problème d’optimisation

La formulation classique d’un problème d’optimisation est comme suit :

Minimiser ou maximiser f(x)

Sous contraintes : gi (x)≤0

hj (x)=0

xmin  x  xmax

i=1, 2, 3,…, n.

j=1, 2, 3,…, m.

f(x) : c’est la fonction objectif ou la fonction coût (ou la fonction fitness).

gi(x) : c’est une contrainte d’inégalité.

hi (x) : c’est une contrainte d’égalité.

3. Optimisation linéaire (avec simplex) :

Problème 1 :

La compagnie Acme Apple vend ses produits Pippin, Macintosh et Fujifilm dans des boites.
La boîte 1 contient 4 appareils Apple de chaque sorte; la boîte 2 contient 6 Pippin, 3
Macintosh et 3 Fuji ; et la boîte 3 ne contient aucune Pippin, 8 Macintosh et 4 Fuji. À la fin de
la saison, l'entreprise a en tout (ne dépasse pas) 2800 Pippin, 2200 Macintosh et 2300 Fuji.
Déterminez le nombre maximum de boîtes que l'entreprise peut fabriquer.
 TP Optimisation : MEN MIET 2022-2023

Problème 2 : Problème 3 :

max z  x1  2 x2  x3
x1  x2  3 max z  x1  2 x2  3 x3
x2  x3  4 x1  x2  x3  12
2 x1  x2  3 x3  18
x1  x3  5
x1 , x2 , x3  0
x1 , x2 , x3  0

Ecrire un programme ou utiliser le toolbox (mettre des captures) pour résoudre les problèmes
ci-dessus et donner la solution optimale.

4. Optimisation non linéaire (sans contraintes)

Soit la fonction suivante : f ( x)  ( x  1)4  cos( x  1)

1-Montrer que la f(x) admet un minimum dans un intervalle de [-2 -1[.

2- En utilisant la méthode de gradient et la méthode Newton, trouvez un minimum de f(x)

dans l’intervalle de [-2 -1[. On donne x0  2 avec erreur= 103

3-tracer les graphes de la fonction et ça première dérivé ainsi l’évolution de la solution x

durant l’itération.

Iteration i Solution x F(x) F’(x) F’’ (x) erreur

1 4
2 .
3 .
. .
. .
. .
. .
. .
. .
. .
. inf
. .
. .
. .
. .

4- Soit la fonction suivante : f ( x)  ( x  1)2  cos( y  1) , trouver les points critiques et citer
ses natures, présenter les graphiquement ainsi que la fonction f(x).

5-Présentez brièvement les algorithmes génétiques

NB : Pour les familles des algorithmes métaheurstiques dont les algorithmes génétiques
font partie, faut répéter l’exécution au moins 5 fois afin de choisir le bon résultat
 TP Optimisation : MEN MIET 2022-2023

6-Présenter graphiquement la fonction de test de Rosenbrock et la fonction sphère. Trouver

son point min à l’aide de la méthode GA et Fminsearch en remplissant le tableau ci-dessus

Tableau 1 Fonction Rosenbrock Fonction sphère

Méthode Solution x F(x) Solution x F(x)
GA
Fminsearch

5. Optimisation non linéaire avec contraintes.

5.1. Design d’un ressort

Cet exemple consiste à minimiser le volume d’un ressort « V » sous une force de
compression constante ; fonction objectif f(x) contient 3 variables nombre, les cols actifs du
ressort (x1=N), le diamètre d’enroulement (x2 =D), le diamètre du fil (x3= d).

V  f ( x)  ( x1  2) x2 x32

Avec

x1 x 23
g1 ( x)  1  0
71785 x34
4 x 22  x 2 x3 1
g 2 ( x)   0
12566( x 2 x3  x3 ) 5108 x32
3 4

140.45 x3 1
g 3 ( x)  1  2
 0
x1 x 2 5108 x32
x3  x 2
g 4 ( x)  1  0
1.5

Et

2  x1  15
0.25  x 2  1.3
0.05  x3  2
 TP Optimisation : MEN MIET 2022-2023

5.2. Rendement hydraulique local d’un

profil d’aube

tg (  m   1 )  tg ( m   2 )
H 
tg (  m )  tg ( m )

16.45   m  70
16.12   m  53.91
1   2  1.5

Βm : angle moyen du rotor

αm : angle moyen du stator

1 ,  2 : Angles de perte de rotor et stator respectivement.

Tableau ressort rendement

2
Méthode Solution x F(x) Solution x F(x)
GA
Fmincon

1-Résolvez les problèmes ci- remplissant le tableau dessus en

6. Conclusion :
Pour chaque type de problème d’optimisation traité, dégager au moins 1 point déductif.

N. B. Il est préférable d’enrichir votre travail avec des discussions ou des remarques.

Organisation de compte rendu :

Page de garde.

Introduction contient des généralités sur l’optimisation, définitions l’utilité, domaine

d’application …et le but de TP

Petite présentation de chaque méthode utilisée avant de commencer la résolution de ses

problèmes.

Réponse sur le travail demandé.

Conclusion.